基于强化学习的立体全景视频自适应流

针对当前立体全景视频传输缺少有效的流自适应方法,且传统全景视频流自适应策略传输双目立体全景视频使得传输数据加倍,所需带宽巨大的问题,该文提出一种基于多智能体强化学习的立体全景视频非对称传输自适应流方法,以实时应对网络带宽波动。首先,根据人眼对视频显著性区域的偏爱,左右视点中每个瓦片(tile)对立体视频的感知质量的贡献度不同,提出一个基于tiles的左右视点观看概率预测方法。其次,设计了一种基于策略-评价(Actor-Critic)的多智能体强化学习框架,对左右视点进行联合码率控制。最后,根据模型结构和双目抑制原理,设计合理的奖励函数。实验结果表明,与传统流自适应传输策略相比,该文所提方法更加适用于基于tiles的立体全景视频传输,实现在有限带宽下提高用户的体验质量(QoE),为立体全景视频联合码率控制提供了一种全新的方法和思路。     

5G网络下VR视频的传输方法研究

5G网络的大带宽和低延迟特点,解决了传统VR视频传输面临的带宽瓶颈问题.然而,面对VR视频在更高分辨率(8K、12K等)、更高帧率(60 Hz、120 Hz等)以及三自由度+(3 Degree of Freedom,3DoF+)甚至六自由度(6 Degree of Freedom,6DoF)下的传输,5G网络仍然面临一定的挑战.因此,介绍VR视频的特点和传输方式,重点研究5G网络下可能的VR视频传输方法,旨在发挥5G的性能,为用户提供更好的观看体验.